생존자 편향(Survivorship Bias)에 대해 설명

생존자 편향(Survivorship Bias)에 대해 설명해드리겠습니다.

생존자 편향이란 살아남은 것들만 관찰하여 결론을 내리는 논리적 오류를 말합니다. 즉, 성공한 사례만 보고 실패한 사례들은 무시하거나 간과하여 잘못된 결론에 도달하는 현상입니다.

생존자 편향의 구체적 사례

생존자 편향의 사례들을 더 구체적으로 설명해드리겠습니다:

1. 제2차 세계대전 폭격기 사례 (1943년)
- 미군 통계연구단(SRG)은 유럽에서 작전 수행 후 복귀한 B-17 폭격기들의 탄흔을 분석했습니다
- 헝가리 출신 통계학자 아브라함 발드(Abraham Wald)는 기존 분석의 오류를 지적했습니다
- 날개와 동체에 집중된 탄흔 부위에 장갑을 보강하려던 기존 계획과 달리
- 발드는 탄흔이 적은 엔진과 조종석 부위야말로 장갑이 필요한 치명적 부위라고 분석했습니다
- 이 부위에 피격된 폭격기들은 대부분 귀환하지 못했기 때문입니다

 

통계청에서 이야기하는 생존자편향 : Surviviorship bias 이란?

수학자 아브라함발드

 

2. 실리콘밸리 창업자 사례
- 1975년 빌 게이츠(하버드 중퇴)
- 2004년 마크 저커버그(하버드 중퇴)
- 1976년 스티브 잡스(리드 칼리지 중퇴)
- 이들의 성공 사례는 널리 알려졌지만, 같은 시기 학업을 중단한 수많은 실패 사례들은 기록되지 않았습니다
- 실제로 미국 중소기업청(SBA)의 2019년 통계에 따르면 스타트업의 약 45%가 5년 내 실패합니다

 

중퇴 3대장

3. 로마 건축물 사례 (기원전 1세기 ~ 5세기)
- 현재까지 남아있는 판테온(125년), 콜로세움(80년), 포로 로마노 등
- 비트루비우스가 기원전 25년경 저술한 '건축십서'에 따르면 당시 로마에서는 수천 개의 건물이 지어졌습니다
- 하지만 현재 온전히 남아있는 건물은 극소수입니다
- 특히 서민들의 주거용 건물인 인슐라(Insula)는 거의 남아있지 않습니다

충퇴 3대장중 한명이 만든 제품

4. 투자펀드 사례
- 1923년 설립된 메사추세츠 투자신탁(MIT)은 최초의 뮤추얼 펀드로 현재까지 운영 중입니다
- 반면 1929년 대공황 당시 설립된 수백 개의 투자신탁이 파산했습니다
- 2008년 금융위기 때는 리먼 브라더스의 펀드들이 모두 소멸되었습니다
- S&P 500 지수는 생존한 기업들만 포함하므로, 1957년 최초 편입된 500개 기업 중 약 86%가 현재는 제외되었습니다

5. 클래식 음악 사례 (18세기)
- 요한 세바스찬 바흐(1685-1750)의 작품은 1,000여 개가 현재까지 전해집니다
- 같은 시기 활동했던 게오르크 필립 텔레만(1681-1767)은 3,000여 개의 작품을 작곡했지만 현재는 일부만 연주됩니다
- 당시 유명했던 요한 아돌프 하세(1699-1783)의 작품들은 대부분 잊혔습니다
- 18세기 독일에서만 수천 명의 작곡가가 활동했지만, 현재 기억되는 것은 극소수입니다

 

 

이러한 구체적 사례들은 생존자 편향이 역사적으로 지속적으로 발생해왔으며, 현대에도 여전히 존재하고 있음을 보여줍니다. 특히 성공 사례를 분석할 때는 같은 시기의 실패 사례들도 함께 고려해야 정확한 인사이트를 얻을 수 있습니다.

 

 

"이 포스팅은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다."

 

생존자 편향의 상세한 설명

생존자 편향(Survivorship Bias)에 대해 상세히 설명해드리겠습니다:

기본 정의:
생존자 편향이란 특정 과정이나 시간을 거쳐 살아남은 대상만을 관찰하여 결론을 도출하는 논리적 오류입니다. 이는 도중에 사라지거나 실패한 대상들을 분석에서 제외함으로써 발생하는 체계적 오류를 의미합니다.

주요 특징:

생존자 편향의 주요 특징을 세 가지 관점에서 자세히 설명해드리겠습니다.

첫째, 데이터의 불완전성 문제입니다. 우리가 접하는 데이터는 대부분 성공한 사례들에 집중되어 있습니다. 예를 들어, 스타트업 성공 사례는 언론에서 자주 다루어지고 상세한 기록이 남지만, 실패한 스타트업들의 이야기는 찾아보기 어렵습니다. 성공한 기업들의 역사와 전략은 책으로 출간되고 연구되지만, 도산한 기업들의 실패 원인과 과정은 제대로 기록되지 않습니다. 이처럼 성공 사례 위주로 데이터가 수집되고 보존되다 보니, 우리가 분석하는 표본 자체가 이미 한쪽으로 치우쳐 있는 상태가 됩니다.

 

둘째, 인과관계를 잘못 해석하는 문제가 있습니다. 성공한 사례들 사이에서 공통점을 발견하면, 우리는 그것을 성공의 필수 요인으로 여기기 쉽습니다. 하지만 이는 위험한 해석일 수 있습니다. 예컨대, 성공한 기업인들이 모두 아침 일찍 일어난다는 공통점이 있다고 해서, 이른 기상이 성공의 필수 조건이라고 단정할 수는 없습니다. 실패한 사람들 중에도 일찍 일어나는 사람들이 많았을 수 있기 때문입니다. 이처럼 성공 사례만을 보고 원인과 결과를 연결 짓는 것은 잘못된 결론으로 이어질 수 있습니다.

 

셋째, 시간적 차원을 고려하지 않는 문제가 있습니다. 우리는 현재 시점에 존재하는 것들만 보고 판단하는 경향이 있습니다. 오래된 건축물을 예로 들면, 현재 남아있는 건물들은 모두 견고하게 지어진 것들입니다. 하지만 이는 시간이 지나면서 부실한 건물들이 이미 사라졌기 때문입니다. 수백 년 전에 지어진 건물들 중 지금까지 살아남은 것은 극히 일부에 불과하지만, 우리는 이 살아남은 건물들만 보고 과거의 건축 기술을 평가하게 됩니다. 이처럼 시간의 흐름에 따른 변화와 도태 과정을 간과하면, 현상을 왜곡해서 이해할 수 있습니다.

 

스티브잡스의 맥

발생 메커니즘:

생존자 편향이 발생하는 메커니즘을 세 가지 측면에서 상세히 설명해드리겠습니다.

 

첫째, 선택적 주목이라는 현상이 있습니다. 인간은 자연스럽게 눈에 띄는 성공 사례에 집중하게 됩니다. 예를 들어, 연예계에서 성공한 아이돌 그룹은 TV에 자주 등장하고 뉴스의 주목을 받습니다. 반면 데뷔에 실패했거나 중도에 해체된 그룹들은 우리의 관심에서 멀어지고 기억에서도 자연스럽게 사라집니다. 이처럼 우리는 무의식적으로 성공한 사례들에만 주의를 기울이고, 실패한 사례들은 간과하게 됩니다.

 

둘째, 기록의 비대칭성 문제가 있습니다. 성공한 사례들은 다양한 형태로 상세히 기록되고 연구됩니다. 성공한 기업가의 자서전이 출간되고, 성공적인 프로젝트는 사례 연구의 대상이 되며, 성공한 전략은 교과서에 실립니다. 하지만 실패한 경우들은 대부분 기록조차 남지 않습니다. 파산한 회사의 실패 원인이나 중단된 프로젝트의 문제점은 제대로 연구되거나 문서화되지 않는 경우가 많습니다. 이런 기록의 불균형으로 인해 우리가 참고할 수 있는 정보 자체가 한쪽으로 치우치게 됩니다.

 

셋째, 인간의 심리적 요인이 작용합니다. 사람들은 본능적으로 성공 스토리를 더 선호하고 긍정적인 사례에 끌립니다. 우리는 '실패에서 배우는 교훈'의 중요성을 알면서도, 실제로는 성공 사례를 더 흥미롭게 받아들이고 적극적으로 찾아보게 됩니다. 또한 실패한 사례들을 마주했을 때는 그 중요성을 과소평가하거나 '예외적인 경우'로 치부하는 경향이 있습니다. 이러한 심리적 성향으로 인해 우리는 자연스럽게 성공 사례에 더 많은 가치를 부여하게 됩니다.

 

맥은 비싸다.

분석에 미치는 영향:

생존자 편향이 분석에 미치는 영향을 세 가지 측면에서 자세히 설명해드리겠습니다.

 

첫째, 통계적 왜곡이 발생합니다. 이는 데이터 분석의 근본적인 신뢰성을 해치는 문제입니다. 예를 들어, 대학 졸업생의 평균 연봉을 조사할 때 성공적으로 취업한 졸업생들의 데이터만 포함된다면, 실제보다 훨씬 높은 평균값이 도출될 수 있습니다. 또한 주식투자 수익률을 분석할 때 파산하거나 상장폐지된 기업들을 제외하면, 시장의 실제 위험도를 과소평가하게 됩니다. 이처럼 표본이 성공 사례에 치우치면서 통계 결과가 현실을 제대로 반영하지 못하게 됩니다.

 

둘째, 의사결정 과정에서 심각한 오류가 발생할 수 있습니다. 성공 사례만을 보고 전략을 수립하면 현실과 동떨어진 계획을 세우게 됩니다. 예를 들어, 성공한 스타트업들의 공격적인 성장 전략만을 참고하여 무리한 확장을 시도하다가 실패할 수 있습니다. 또한 리스크 관리가 부실해질 수 있는데, 실패 사례들을 충분히 검토하지 않으면 잠재적 위험 요소들을 놓치기 쉽습니다. 이로 인해 지나치게 낙관적인 기대치가 형성되어 현실적이지 않은 목표를 설정하게 됩니다.

 

셋째, 연구의 질과 범위가 제한됩니다. 불완전한 데이터에 기반한 연구는 신뢰성 있는 결론을 도출하기 어렵습니다. 특히 실패 사례에 대한 정보가 부족하면 실패의 원인을 정확히 분석하기 힘들어집니다. 예를 들어, 폐업한 레스토랑들의 실패 요인을 연구하려 해도 필요한 데이터를 구하기가 어렵습니다. 이로 인해 실패로부터 배울 수 있는 중요한 교훈들이 제대로 도출되지 못하고, 같은 실수가 반복될 수 있습니다.

 

2차대전의 자료는 재미있는게 많다.

 

마무리하며 

이처럼 생존자 편향은 우리의 판단과 의사결정에 광범위한 영향을 미치는 중요한 인지적 오류입니다. 기본적으로 성공 사례만을 관찰하여 결론을 도출하는 이 편향은 데이터의 불완전성, 잘못된 인과관계 해석, 시간적 차원의 간과라는 세 가지 주요 특징을 가집니다. 이는 선택적 주목, 기록의 비대칭성, 인간의 심리적 요인이라는 메커니즘을 통해 발생하며, 결과적으로 통계적 왜곡, 의사결정 오류, 연구의 한계라는 실질적인 문제를 야기합니다.

이러한 생존자 편향을 극복하기 위해서는 의식적인 노력이 필요합니다. 성공 사례뿐만 아니라 실패 사례도 체계적으로 수집하고 분석해야 하며, 보이지 않는 데이터의 중요성을 인식해야 합니다. 또한 성공과 실패의 원인을 더 깊이 있게 이해하기 위해 다각적인 관점에서 현상을 바라보는 자세가 필요합니다. 이를 통해 더 균형 잡힌 시각을 가지고 보다 현실적이고 효과적인 의사결정을 할 수 있을 것입니다.